欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

ARIMA-SSA-LSTM組合模型:小樣本時間序列預(yù)測實戰(zhàn)指南

ARIMA-SSA-LSTM組合模型:小樣本時間序列預(yù)測實戰(zhàn)指南 簡介本資源面向計算機(jī)、電子信息工程、數(shù)學(xué)等專業(yè)的大學(xué)生及算法入門者提供一套完整的ARIMA-SSA-LSTM時間序列預(yù)測實現(xiàn)方案可用于課程設(shè)計、期末大作業(yè)或畢業(yè)設(shè)計。代碼基于Python與TensorFlow編寫采用參數(shù)化編程思路參數(shù)可靈活調(diào)整且配有保姆級注釋幾乎一行一注釋便于零基礎(chǔ)讀者理解建模流程。壓縮包共3個文件包含2個CSV數(shù)據(jù)文件與1個Python源碼文件整體約51KB數(shù)據(jù)與代碼配套齊全可直接運行驗證。資源將ARIMA、麻雀搜索算法SSA與LSTM相結(jié)合展示了從數(shù)據(jù)讀取、參數(shù)優(yōu)化到預(yù)測輸出的完整鏈路讀者可據(jù)此掌握組合模型的搭建方法與調(diào)參技巧。目前已有510人學(xué)習(xí)適合希望快速上手時間序列預(yù)測實戰(zhàn)的讀者參考。1. 從一條震蕩的銷量曲線說起ARIMA-SSA-LSTM 到底在解決什么去年幫一個做小家電的朋友看數(shù)據(jù)他手里有 36 個月的出貨記錄想預(yù)測未來 6 個月。我先用 ARIMA 跑了一版趨勢抓得還行但每逢大促月份的尖峰全被抹平換成 LSTM 單模型尖峰能咬住一部分可樣本量太小驗證集上的曲線抖得像心電圖。這不是模型不行是單一模型對「線性趨勢 非線性突變」這種混合結(jié)構(gòu)天然偏科。ARIMA-SSA-LSTM 這套組合就是沖這個痛點來的ARIMA 負(fù)責(zé)把線性成分剝出來SSA奇異譜分析把殘差里的噪聲和周期分量拆開、重構(gòu)出更干凈的序列LSTM 再去學(xué)剩下的非線性映射。它適合手里有幾百到幾千條單變量序列、又不想上重型深度模型的從業(yè)者比如銷量、負(fù)荷、流量、GDP 這類按時間排隊的數(shù)值預(yù)測。下面我按自己落地的順序把數(shù)據(jù)怎么切、三個模塊怎么串、參數(shù)怎么調(diào)、哪里最容易翻車講清楚。2. 數(shù)據(jù)準(zhǔn)備與平穩(wěn)性處理ARIMA 的地基怎么打2.1 時間序列的四個前置檢查拿到一列帶時間戳的數(shù)值別急著往模型里灌。我一般先做四件事確認(rèn)時間間隔是否等距、檢查缺失值和異常點、看量綱是否需要歸一化、畫一遍原始曲線和差分曲線。等距是 ARIMA 的硬要求如果原始數(shù)據(jù)是「有單才記一筆」的事件流得先重采樣成固定頻率比如按天求和或按周取均值。缺失值不要直接dropna銷量類數(shù)據(jù)缺失往往意味著當(dāng)天真沒賣出去填 0 比填均值更合理傳感器類數(shù)據(jù)則適合線性插值。異常點用滾動中位數(shù)加 3 倍 MAD 判定超過閾值的先標(biāo)記別急著刪后面 SSA 重構(gòu)時還能用上。平穩(wěn)性決定了 ARIMA 的差分階數(shù) d。ADF 檢驗是常用手段p 值小于 0.05 認(rèn)為平穩(wěn)。但我要提醒一句ADF 對短序列和強(qiáng)周期序列經(jīng)常誤判最好配合 ACF/PACF 圖一起看。如果 ACF 衰減極慢、PACF 在 1 階后截尾基本就是需要差分的信號。差分不是越多越好過度差分會把序列里的有效信息也差掉一般 d 取 0、1、2 三檔試優(yōu)先 1 階。import pandas as pd import numpy as np from statsmodels.tsa.stattools import adfuller # 讀取數(shù)據(jù)假設(shè)兩列ds(時間), y(數(shù)值) df pd.read_csv(series.csv, parse_dates[ds]).sort_values(ds) df df.set_index(ds).asfreq(D) # 統(tǒng)一成日頻缺失處補(bǔ) NaT df[y] df[y].interpolate(linear) # 線性插值補(bǔ)缺失 # 異常點標(biāo)記滾動中位數(shù) 3倍MAD med df[y].rolling(7, centerTrue).median() mad (df[y] - med).abs().rolling(7, centerTrue).median() df[outlier] (df[y] - med).abs() 3 * 1.4826 * mad # ADF 檢驗 def adf_report(s, name): r adfuller(s.dropna(), autolagAIC) print(f{name}: stat{r[0]:.3f}, p{r[1]:.4f}, lags{r[2]}) adf_report(df[y], 原始序列) adf_report(df[y].diff(), 一階差分)這段代碼里asfreq(D)把不規(guī)則時間軸強(qiáng)制對齊到日頻interpolate(linear)只補(bǔ)數(shù)值不補(bǔ)時間。MAD 判定用 1.4826 這個系數(shù)是為了讓 MAD 在正態(tài)分布下與標(biāo)準(zhǔn)差可比這是穩(wěn)健統(tǒng)計里的常規(guī)做法。ADF 的autolagAIC讓函數(shù)自動選滯后階數(shù)比手動指定穩(wěn)。跑完看兩個 p 值原始不平穩(wěn)、一階差分平穩(wěn)d 就定 1。2.2 ARIMA 定階別迷信 auto_arima定階我踩過的坑最多。pmdarima的auto_arima很方便但它默認(rèn)用 AIC 做準(zhǔn)則短序列上容易選出過大的 p 和 q導(dǎo)致過擬合。我的習(xí)慣是先用auto_arima給一個候選范圍再手動在 (p,d,q) 的鄰域里用 BIC 和滾動驗證比一遍。BIC 對參數(shù)個數(shù)懲罰更重小樣本下更保守。季節(jié)性明顯的序列比如月度數(shù)據(jù)還要加 (P,D,Q,s) 這組季節(jié)項s 取 12。from statsmodels.tsa.arima.model import ARIMA from sklearn.metrics import mean_absolute_error y df[y].values train, test y[:-12], y[-12:] best None for p in range(0, 4): for q in range(0, 4): try: m ARIMA(train, order(p, 1, q)).fit() pred m.forecast(len(test)) mae mean_absolute_error(test, pred) if best is None or mae best[0]: best (mae, p, q, m) except Exception: continue print(最優(yōu)階數(shù):, best[1], best[2], MAE:, round(best[0], 3))這里用滾動外推的方式評估而不是只看訓(xùn)練集擬合優(yōu)度。order(p,1,q)里的 1 就是前面定下的 d。forecast(len(test))做的是樣本外預(yù)測比fittedvalues更能反映真實泛化。如果所有組合的 MAE 都很大說明線性部分解釋力有限這恰恰是后面要上 SSA 和 LSTM 的信號不是失敗。2.3 殘差提取把線性部分「減」出去ARIMA 擬合完真正要交給下游的不是預(yù)測值而是殘差。殘差 真實值 ? ARIMA 擬合值它承載了線性模型沒抓住的非線性結(jié)構(gòu)和周期波動。提取時注意對齊索引訓(xùn)練段和測試段要分開存別把未來信息漏進(jìn)訓(xùn)練。殘差序列通常均值接近 0如果還有明顯趨勢說明 d 選小了回去重定階。resid_train train - best[3].fittedvalues resid_test test - best[3].forecast(len(test)) np.save(resid_train.npy, resid_train) np.save(resid_test.npy, resid_test)fittedvalues是樣本內(nèi)一步預(yù)測forecast是樣本外。兩者相減得到的兩段殘差拼起來才是完整殘差序列。存成 npy 是為了下一步 SSA 直接讀避免反復(fù)跑 ARIMA。到這里ARIMA 這層地基就算打完了接下來處理殘差。3. SSA 分解與重構(gòu)殘差里的噪聲和周期怎么拆3.1 奇異譜分析的軌跡矩陣與分組邏輯SSA 的核心是把一維序列嵌成軌跡矩陣再做奇異值分解按奇異值大小把分量分成「趨勢」「周期」「噪聲」幾組最后對角平均重構(gòu)回一維。它不像小波那樣需要選基函數(shù)也不像 EMD 那樣容易模態(tài)混疊對殘差這種信噪比不高的序列比較友好。關(guān)鍵參數(shù)有兩個窗口長度 L 和分組方式。L 一般取序列長度的 1/3 到 1/2太短拆不出周期太長計算量陡增且分量之間開始混。分組是 SSA 里最像「玄學(xué)」的一步。奇異值從大到小排前幾個通常對應(yīng)趨勢和主周期中間一段對應(yīng)次周期尾部小奇異值基本是噪聲。我一般畫一張奇異值譜找那個明顯拐點拐點之后的重構(gòu)時直接丟掉。如果拐點不明顯就用分組重構(gòu)后的序列做 ADF 和方差比檢驗看保留多少組能讓殘差既平滑又不丟周期。import numpy as np def ssa_decompose(series, L): N len(series) K N - L 1 # 軌跡矩陣 X np.column_stack([series[i:iL] for i in range(K)]) # 奇異值分解 U, s, Vt np.linalg.svd(X, full_matricesFalse) return U, s, Vt, L, K def ssa_reconstruct(U, s, Vt, L, K, groups): groups: 列表的列表每個子列表是一組要保留的分量索引 recon np.zeros(L K - 1) for g in groups: Xg np.zeros((L, K)) for i in g: Xg s[i] * np.outer(U[:, i], Vt[i, :]) # 對角平均 for k in range(L K - 1): idx [j for j in range(K) if 0 k - j L] recon[k] np.mean([Xg[k - j, j] for j in idx]) return recon resid np.load(resid_train.npy) L len(resid) // 3 U, s, Vt, L, K ssa_decompose(resid, L) print(奇異值譜:, np.round(s[:10], 3))ssa_decompose里np.column_stack構(gòu)造的是 Hankel 型軌跡矩陣每一列是原序列的一個滑動窗口。np.linalg.svd返回的 s 是降序奇異值。ssa_reconstruct里的對角平均是 SSA 反變換的標(biāo)準(zhǔn)操作把矩陣元素沿反對角線取平均還原成一維。groups參數(shù)讓你自由指定保留哪幾組比如[[0,1],[2,3,4]]表示趨勢組和周期組分開重構(gòu)。3.2 分組策略用方差貢獻(xiàn)率代替肉眼判斷肉眼找拐點不穩(wěn)定換個人看可能結(jié)論就變了。我后來改成算方差貢獻(xiàn)率每個奇異值的平方除以總和累計到 85% 到 95% 之間的那一段就是主分量。剩下的尾部直接歸入噪聲組丟棄。這樣每次跑結(jié)果可復(fù)現(xiàn)也方便寫進(jìn)腳本自動執(zhí)行。var_ratio s**2 / np.sum(s**2) cum_ratio np.cumsum(var_ratio) keep np.where(cum_ratio 0.90)[0] # 保留累計貢獻(xiàn)90%的分量 print(保留分量數(shù):, len(keep), 累計貢獻(xiàn):, round(cum_ratio[keep[-1]], 3)) recon ssa_reconstruct(U, s, Vt, L, K, [list(keep)]) resid_clean resid - recon # 去掉主分量后的噪聲殘差這里keep取累計貢獻(xiàn)不超過 90% 的索引意味著把 90% 的能量當(dāng)作「有結(jié)構(gòu)的部分」重構(gòu)出來剩下的 10% 當(dāng)噪聲。resid_clean是去噪后的殘差它比原始?xì)埐钇交m合喂給 LSTM。注意recon長度是 LK-1正好等于原序列長度可以直接相減。3.3 重構(gòu)序列的對齊與長度校驗SSA 重構(gòu)最容易翻車的地方是長度對不上。軌跡矩陣的維度是 L × K對角平均后長度是 L K ? 1而 K N ? L 1所以 L K ? 1 N理論上嚴(yán)絲合縫。但如果你在分組時對某些分量做了截斷或補(bǔ)零長度就會漂。我的做法是重構(gòu)完立刻斷言len(recon) len(resid)不等就報錯別讓它悄悄錯位到 LSTM 階段才暴露。assert len(recon) len(resid), f長度不匹配: {len(recon)} vs {len(resid)} resid_clean resid - recon np.save(resid_clean_train.npy, resid_clean)這個斷言看著簡單但幫我省過至少兩次深夜排查。SSA 輸出的resid_clean就是 LSTM 的輸入。到這一步線性部分歸 ARIMA周期和噪聲歸 SSA剩下的非線性映射交給 LSTM。4. LSTM 建模把 SSA 重構(gòu)后的殘差喂進(jìn)網(wǎng)絡(luò)4.1 滑窗構(gòu)造監(jiān)督樣本LSTM 要的是監(jiān)督學(xué)習(xí)格式得把一維序列切成 (樣本, 時間步, 特征) 的三維張量。滑窗長度時間步是個關(guān)鍵參數(shù)太短學(xué)不到長依賴太長梯度容易消失且樣本數(shù)驟減。經(jīng)驗上取序列主周期的 1 到 2 倍比如月度數(shù)據(jù)主周期 12窗口取 12 到 24。步長一般取 1做數(shù)據(jù)增強(qiáng)時可以取 2 或 3 增加樣本多樣性。def make_windows(series, window, horizon1): X, y [], [] for i in range(len(series) - window - horizon 1): X.append(series[i:iwindow]) y.append(series[iwindow:iwindowhorizon]) X np.array(X).reshape(-1, window, 1) y np.array(y).reshape(-1, horizon) return X, y resid_clean np.load(resid_clean_train.npy) WINDOW 12 X, y make_windows(resid_clean, WINDOW, horizon1) print(樣本形狀:, X.shape, y.shape)make_windows里reshape(-1, window, 1)的最后一個 1 是特征維度單變量預(yù)測就是 1。horizon1表示單步預(yù)測要多步就把 horizon 調(diào)大y 會變成二維。注意樣本數(shù) 序列長度 ? window ? horizon 1窗口越大樣本越少小數(shù)據(jù)集上要權(quán)衡。4.2 網(wǎng)絡(luò)結(jié)構(gòu)與訓(xùn)練參數(shù)結(jié)構(gòu)上我用兩層 LSTM 加一層全連接隱藏單元第一層 64、第二層 32dropout 0.2。優(yōu)化器 Adam學(xué)習(xí)率 1e-3損失 MSE早停 patience 設(shè) 10。批大小 32epoch 上限 200。這些不是金科玉律但作為起點很穩(wěn)。歸一化用 MinMax 把殘差縮到 [0,1]因為殘差有正有負(fù)標(biāo)準(zhǔn)化到均值 0 方差 1 也可以我傾向 MinMax反歸一化時不容易出錯。import torch import torch.nn as nn class LSTMForecaster(nn.Module): def __init__(self, input_size1, hidden164, hidden232, dropout0.2): super().__init__() self.lstm1 nn.LSTM(input_size, hidden1, batch_firstTrue) self.lstm2 nn.LSTM(hidden1, hidden2, batch_firstTrue) self.drop nn.Dropout(dropout) self.fc nn.Linear(hidden2, 1) def forward(self, x): out, _ self.lstm1(x) out, _ self.lstm2(out) out self.drop(out[:, -1, :]) # 取最后一個時間步 return self.fc(out) model LSTMForecaster() opt torch.optim.Adam(model.parameters(), lr1e-3) loss_fn nn.MSELoss()batch_firstTrue讓輸入維度是 (batch, seq, feature)符合習(xí)慣。out[:, -1, :]只取最后一個時間步的隱藏狀態(tài)因為預(yù)測目標(biāo)在窗口末尾之后。兩層 LSTM 堆疊能提取更抽象的時序模式但層數(shù)再多小數(shù)據(jù)上就開始過擬合了。dropout 加在 LSTM 輸出和全連接之間別加在 LSTM 內(nèi)部PyTorch 的 LSTM 自帶 dropout 參數(shù)只在多層時生效容易混淆。4.3 訓(xùn)練循環(huán)與早停訓(xùn)練循環(huán)里我固定做三件事每個 epoch 記錄訓(xùn)練和驗證損失、驗證損失連續(xù) 10 輪不降就停、保存驗證損失最低的權(quán)重。這樣即使訓(xùn)練震蕩最后拿到的也是驗證集上最好的那個模型而不是最后一個 epoch 的。from torch.utils.data import TensorDataset, DataLoader X_t torch.tensor(X, dtypetorch.float32) y_t torch.tensor(y, dtypetorch.float32) split int(len(X_t) * 0.8) train_ds TensorDataset(X_t[:split], y_t[:split]) val_ds TensorDataset(X_t[split:], y_t[split:]) train_dl DataLoader(train_ds, batch_size32, shuffleTrue) val_dl DataLoader(val_ds, batch_size32) best_val, patience, wait float(inf), 10, 0 for epoch in range(200): model.train() for xb, yb in train_dl: opt.zero_grad() loss loss_fn(model(xb), yb) loss.backward() opt.step() model.eval() with torch.no_grad(): val_loss np.mean([loss_fn(model(xb), yb).item() for xb, yb in val_dl]) if val_loss best_val: best_val, wait val_loss, 0 torch.save(model.state_dict(), best_lstm.pt) else: wait 1 if wait patience: print(f早停于 epoch {epoch}) breakshuffleTrue只在訓(xùn)練集開驗證集保持順序。torch.save存的是 state_dict加載時先實例化同結(jié)構(gòu)模型再load_state_dict。早停的 patience 設(shè) 10 是經(jīng)驗值數(shù)據(jù)噪聲大可以放寬到 15數(shù)據(jù)干凈可以收緊到 5。訓(xùn)練完把驗證集預(yù)測和真實值畫在一起看是欠擬合還是過擬合再決定要不要調(diào)窗口或隱藏單元。4.4 三模型疊加預(yù)測與反歸一化最終預(yù)測 ARIMA 預(yù)測 SSA 重構(gòu)的 LSTM 預(yù)測。注意 LSTM 學(xué)的是resid_clean而resid_clean resid ? recon所以 LSTM 輸出的是「去噪后殘差」的預(yù)測要加回recon再和 ARIMA 相加。順序別搞反這是最容易出錯的一步。model.load_state_dict(torch.load(best_lstm.pt)) model.eval() with torch.no_grad(): lstm_pred model(torch.tensor(X_test, dtypetorch.float32)).numpy().flatten() final_pred arima_pred recon_test lstm_predarima_pred是 ARIMA 的樣本外預(yù)測recon_test是測試段 SSA 重構(gòu)的主分量lstm_pred是網(wǎng)絡(luò)對去噪殘差的預(yù)測。三者相加才是最終值。如果前面歸一化過這里要先反歸一化再相加或者全程在歸一化空間里加完再反歸一化但三種量的歸一化參數(shù)必須一致否則量綱對不上。5. 避坑與排查這套組合拳最容易翻車的五個地方5.1 現(xiàn)象驗證集 MAE 比測試集還低以為模型很強(qiáng)原因滑窗構(gòu)造時用了未來數(shù)據(jù)或者歸一化參數(shù)在劃分訓(xùn)練測試之前就用全量數(shù)據(jù)算了。這是時間序列里最經(jīng)典的數(shù)據(jù)泄漏。解決所有統(tǒng)計量均值、方差、最大最小值只在訓(xùn)練段計算然后應(yīng)用到驗證和測試段?;暗那蟹忠跉w一化之后、但歸一化參數(shù)必須來自訓(xùn)練段。我習(xí)慣寫一個fit_scaler(train)和transform(scaler, data)分開的函數(shù)從代碼結(jié)構(gòu)上杜絕泄漏。5.2 現(xiàn)象SSA 重構(gòu)后序列和原序列幾乎一樣LSTM 學(xué)不到東西原因分組時保留了太多分量把噪聲也重構(gòu)進(jìn)去了等于沒去噪。或者窗口 L 取太小軌跡矩陣秩不夠分解不出有效結(jié)構(gòu)。解決檢查累計方差貢獻(xiàn)率保留到 85% 到 90% 就停別貪多。L 至少取序列長度的 1/4短序列可以到 1/2。重構(gòu)后算一下和原殘差的相關(guān)系數(shù)如果高于 0.99說明基本沒去掉東西回去調(diào)分組。5.3 現(xiàn)象LSTM 訓(xùn)練損失一直降驗證損失從第 3 輪就開始漲原因模型容量相對數(shù)據(jù)量太大或者窗口太長導(dǎo)致樣本數(shù)太少。小數(shù)據(jù)集上兩層 LSTM 加 64 單元很容易過擬合。解決先減容量隱藏單元降到 32 和 16層數(shù)降到一層。再加大 dropout 到 0.3 到 0.4。還不行就縮短窗口增加樣本數(shù)。數(shù)據(jù)量少于 500 條時我一般直接用單層 LSTM 加 32 單元起步別一上來就堆結(jié)構(gòu)。5.4 現(xiàn)象最終預(yù)測曲線整體偏移所有點都偏高或偏低原因反歸一化時用的參數(shù)不對或者 ARIMA 預(yù)測和 LSTM 預(yù)測的量綱沒對齊。常見于 ARIMA 用了差分、LSTM 用了歸一化兩者還原順序不一致。解決統(tǒng)一在原始量綱上做加法。具體做法是 ARIMA 預(yù)測先還原到原始尺度SSA 重構(gòu)也在原始尺度LSTM 輸出反歸一化到原始尺度三者都還原完再相加。別在歸一化空間里混著加。5.5 現(xiàn)象每次跑結(jié)果都不一樣MAE 波動超過 20%原因PyTorch 默認(rèn)隨機(jī)初始化DataLoader 的 shuffle 也帶隨機(jī)性。深度學(xué)習(xí)部分本身就有方差。解決固定隨機(jī)種子torch.manual_seed(42)、np.random.seed(42)DataLoader 的 generator 也設(shè)種子。然后跑 5 次取平均作為最終報告值。如果 5 次方差仍然很大說明模型不穩(wěn)定回去檢查數(shù)據(jù)質(zhì)量和窗口設(shè)置而不是繼續(xù)調(diào)種子。6. 進(jìn)階技巧用滾動重訓(xùn)和殘差診斷把誤差再壓一檔模型搭完能跑通只是及格線真正拉開差距的是滾動重訓(xùn)和殘差診斷。我現(xiàn)在的習(xí)慣是每預(yù)測一步就把真實值并入訓(xùn)練集重新擬合 ARIMA 和微調(diào) LSTM這叫 walk-forward validation。它比一次性切分訓(xùn)練測試更貼近生產(chǎn)環(huán)境因為生產(chǎn)上你每天都會拿到新數(shù)據(jù)。代價是計算量成倍增加但小數(shù)據(jù)集上完全扛得住。def walk_forward(y, window, horizon, n_splits): preds, truths [], [] for i in range(n_splits): end len(y) - n_splits i train, test y[:end], y[end:endhorizon] if len(test) horizon: break # 這里復(fù)用前面的 ARIMA SSA LSTM 流程 p full_pipeline(train, horizon) preds.append(p) truths.append(test) return np.array(preds), np.array(truths)full_pipeline把前面所有步驟封成一個函數(shù)輸入訓(xùn)練序列和預(yù)測步長輸出預(yù)測值。n_splits控制回測輪數(shù)一般取 5 到 10。跑完算 MAPE 和 RMSE和單次切分的結(jié)果對比如果滾動重訓(xùn)明顯更好說明數(shù)據(jù)分布隨時間漂移生產(chǎn)上必須用滾動策略。殘差診斷是另一個被低估的環(huán)節(jié)。把最終預(yù)測誤差畫出來看有沒有自相關(guān)。如果誤差的 ACF 在滯后幾階還有顯著尖峰說明模型沒抓干凈還有結(jié)構(gòu)留在誤差里。這時候可以回到 SSA 階段多保留一組分量或者給 LSTM 加一層注意力。我一般用 Ljung-Box 檢驗p 值大于 0.05 就認(rèn)為誤差接近白噪聲可以收手了。from statsmodels.stats.diagnostic import acorr_ljungbox err truths.flatten() - preds.flatten() lb acorr_ljungbox(err, lags[5, 10, 20], return_dfTrue) print(lb)acorr_ljungbox返回每個滯后階的統(tǒng)計量和 p 值。如果 10 階 p 值小于 0.05誤差還有自相關(guān)模型沒榨干。這時候別急著換模型先回去看 SSA 分組和 ARIMA 階數(shù)往往問題出在前兩層。參數(shù)搜索上我最后會做一輪粗網(wǎng)格ARIMA 的 (p,q) 在 0 到 3 之間、SSA 的 L 在 N/4 到 N/2 之間、LSTM 窗口在 6 到 24 之間各取三檔組合用滾動驗證的 MAPE 排序。組合數(shù)控制在 50 以內(nèi)不然跑一天都跑不完。排序后取前 5 組人工看預(yù)測曲線和真實曲線的貼合度選那個不僅誤差小、而且拐點也咬得住的。誤差小但曲線平滑得像直線的生產(chǎn)上反而危險因為它把突變?nèi)?。最后說個我自己的習(xí)慣每次上線新數(shù)據(jù)前先拿歷史數(shù)據(jù)做一次「假裝不知道未來」的回測把預(yù)測值和真實值并排打出來逐月看偏差方向。如果連續(xù)三個月同向偏差說明模型有系統(tǒng)性偏移得檢查是不是數(shù)據(jù)采集口徑變了而不是模型參數(shù)問題。這套流程跑順之后ARIMA-SSA-LSTM 在小樣本單變量預(yù)測上確實比單模型穩(wěn)但它不是萬能藥數(shù)據(jù)里的突變?nèi)绻麃碜酝獠渴录魏螘r序模型都抓不住那得靠外部特征。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
日日噜噜久久婷婷五月天| 婷婷丁香五月婷婷| 婷婷五月激情网| 亚洲人妻av| 久久机只有这里精品| 中文字幕黄色电影网址| 男同91| 九九亚洲| 五月婷婷丁香色吧网| 丰满人妻妇伦又伦精品国产| 草草视频91| 蜜臀嫩草| 色五月五月丁香| 婷婷五月天AV在线| 五月天激情图片网| 182.t午在线观看| 欧洲亚洲免费视频9 | 五月天婷婷综合网| 艹| 九洲一级A片| AⅤ网站在线看| 天天干 夜夜爽| 美日韩成人| 久久久五月天婷婷成人网| 性爱视频99| 婷婷五月美女直播| 激情五月婷婷色播网| 91丨九色丨东北熟女| 黄色激情网站在线观看| 大香蕉久久视频久久视频| 人人操91| 五月丁香婷婷色色| 大香蕉婷婷五月天| 97碰超级人人看| 国内精品玖玖| 婷婷精品在线| 亚洲射激情| 亚洲视频a| 天天操天天曰天天射| 五月天综合在线| 五月天婷婷AV| 99这里只有精品| 综合久久婷婷五月丁香| 丁香密臀AV激情网| 激情综合婷婷久久| 丁香六月色| 一本到不卡高清DVD| 99精品成人无码A片观看金桔| 久九色| 天天天天天久久久久久| 亚州精品久久久久AV无码| 熟女激情网| 97操在线视频| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 色很很96| 色日本丁香婷婷| 亚洲欧洲另类| 天天综合网、天天综合色| 婷五月天六| 色综合婷婷99| 婷婷六月插屄激情| 亚洲激情 久久| 秋霞性爱AV| 亚洲中文字幕av| 538任你爽视频不一样的| 婷婷五月天丁香久久| 9视频在线成人网站| 国产精品色| 综合网色| 99性视频| 香蕉久久国产AV一区二区| 丁香九色不卡aaa| 婷婷色五月综合| www.狠狠| 日本操天堂| 日本eVa一区=区视频| 伊人香大香蕉视频| 丁香久久综合| 深夜婷婷五月丁香| 亚洲妇女熟BBW| 人五月天婷婷喷水| 婷婷的色色五月天| 色色色欧美| 色婷婷综合在线| 殴美97色| 91超级碰碰| 99国产小视频2013| 欧美五月丁香在线观看| 婷婷丁香五月综合激情小说| 婷婷五月综激情| 色区久久| 婷婷丁香五月基地| 99色婷婷| 日本久久爱| 亚洲va综合va国产va中文| 天天日天天爱天天噪| 婷婷五月天网| 99色在线| 91丨九色丨熟女丰满| 狠狠搞五月天| 亚洲婷婷丁香五月亚洲| 超碰资源在线| 大操人妻| www五月婷婷88导航| 九九热精品视频在线观看| 第四色五月天| 天天干天天日蜜臀av| 94干大香蕉| 开心五月综合激情网| www.henhenl| 国产av一区二区三区| 国产精品成人在线| 99精品在线播放| site:picc-up.com| 华人在线免费| 丁香五月成人网| 狠狠色噜噜狠| 国产中文亚洲欧美日韩性交| 综合在线色婷婷| 激情综合五月| 99色在线视频观看| 色七色九九| 五月天色婷婷激情| 欧美内射AAAAAAXXXXX| 久久婷婷五月综合网| 大香蕉视频婷| 色九月激情综合网| 热99这就是精品视频| 久久您您综合网| 五月丁香婷婷婷激情爱爱| 91啪啪| 精品人妻久久久久久久| 99热精品在线播放| 干一干xxxx| 精品久久婷婷五月天| www.26uuu.com亚洲电影| 亚洲不卡| 五月丁香婷婷婷激情爱爱| 婷婷五月天激情网址| 99热在这里只有精品| 天天激情站| www99精品亚| 五月婷婷另类| 免费成人中文字幕| 六月色五月天天婷婷| 妻久久人久久| 中文成人在线| 蜜乳.comcom| 久色| 久久五月天激情婷婷| 狠狠舔| 婷婷色情六月| 欧美,日韩成人在线| 美女丁香五月天| 9久国产精品| 9999热精品| 婷婷五月天久久综合88| 婷婷五月天在线观看第二页| 日韩精品VIP| 熟女乱论网| 五月婷婷激情综合网 | a毛片二逼wwwwwwwwww| 日日天天天| 日本婷婷| 99综合熟女| 日本丁香五月婷婷| 色婷婷丁香五月| 九色无码| 亚韩在线视频| 五月婷视频久久| 五月久久婷婷丁香| www.9797国产| 噜噜五月天综合| 9 1大香蕉| 五月婷婷伊人网| www.9797国产| 热久久色| 在线日本www| 色婷婷在线综合色播网| 超碰婷婷色| 亚洲AV成人精品日韩在线播放| 97色碰碰公开视频| 五月丁香五月综合欧美| 婷婷婷久久久| 亚洲永久免费| 五月激情综合婷婷| 被强行糟蹋的女人A片| 九九色综合| 日韩九区| 亚洲久久视频| 五月天婷婷久久| 九九综合网色全集| 婷婷综合久久| 九九色综合网| 99久久网站| 97日在线视频| 激情婷婷六月天| 激情深爱五月婷婷| www,婷婷,com| 五月婷视频| 综合久久久婷| 日本色视| 色狠狠综合| 五月天婷婷在线观看| 激情五月天综合网| 中文字幕欧美日韩VA免费视频| 丁香激情久久| 99亚洲天堂| 就要爱综合| 在线不卡视频| 青娱乐美女福利视频美臀| www.亭亭五月天| 激情五月四色| 久久最新色| www久久久| 婷婷五月天网| 337午夜福利| 97操在线资源| 五月天色图| 五月天色婷伊人| 香蕉久操| 久久六月天| 婷婷国产综合| 99热这里只有精品99| 巴基斯坦粉嫰无码视频| 91精品综合久久婷婷九色| 五月激情影院| 99re在线这里只有精品视频首页| 91精品丝袜久久久久久久久粉嫩| 99热精品免费| 狠狠搞狠狠操| 婷婷综合久久| 91色欲综合| 久热9| 深爱激情五月天| 婷婷丁香五月天小说| 精品九九久久| 色五月婷婷五月天| www.夜夜.com| 玖玖午夜视频| 免费无码毛片一区二区A片| 亚洲色在线观看| 亚洲天堂热| 国产精品日日躁夜夜躁| 日韩爱操视频| 丁香婷婷视频| 婷婷五月天日本国产| 久久AAAA片一区二区| 激情综合色婷婷啪啪六月天| 99re26视频| 色九月欧美| www.狠狠操.con| 天天色综| 国产avapp 网| 色色色国产| 亚洲 欧洲 国产 伦综合| 影音先锋秋秋五月婷婷| 国产午夜精品一区二区三区四区| 色五月婷婷在线| 激情色色色| 五月丁香花开综合网| 东京热伊人| 亚洲无码你懂的| 果冻传媒A片一二三区| 婷色五月| 婷婷综合在线| 91久操| 精品99在线| 九九伊人网| 99热99精品在线观看| 色丁香五月婷婷| 91久久18| 色香蕉精品五夜婷| 丁香无月在线观看| 我去色色网五雨天| 人人操91| 91视频五月丁香| 思思热在线观看| 色婷| 亚洲激情婷婷| 99这里只有精品|v| 99r这里| 亚洲综合丁香五月| 九九视频这里是精品五月| 另类激情五月| 婷婷操超碰| 婷婷六月丁综合| 天天日天天久久青青| 天天综合网在线| 超碰猛烈的性猛交| 五月婷激情影院| 九九综合久久| 丁香五月天激情网| 婷婷五月天激情综合深爱激情| 国产精品在线视频| 蜘蛛女免费观看完整版高清电影| 天天弄天天爽| 天天搞夜夜六| 人人干天天操五月丁香| 秋霞网在线观看理论91| 人妻乱码久久久| 久久色情| 年轻的妺妺伦理HD中文| WWW·色色色·COM| 这里只有精品视频国产| 丁香婷在线| 婷婷丁香18| 激情婷婷色小说| 91色色色| 婷婷热婷婷色| 日日操,天天操| 丁香五月婷婷88在线| 久热这里只有精品6官网亚洲| 九九九色综合| 热久久成人| 激情伊人六| 日韩一区二区三区无码| 特级片神马电影| 五月婷色激情五月| 99久精品视频| 色噜噜婷婷| 五月开心深爱激情网| 婷婷五月天欧美| 婷婷丁香久久五月综合| 99免费视频网| 超碰免费大香蕉| 丁香五月91| 婷婷综合五月| 丁香五月婷婷色| 99精品视频在线观看| 日本色色影片| 九九色网专区| 天堂综合久| 天堂A∨在线| 天天日天天狠狠操| 日日夜夜小色哥| 亚洲天堂aaaa| 婷婷五月丁香激情图片| 五月天激情四射网站| 五月天婷婷激情六月久久| 五月色婷婷综合| 99精品视频在线观看| 26uuu丁香婷婷五月| 五月丁香婷婷综合网| 丰满少妇猛烈A片免费看观看 | 六月婷婷色综合| 天天做天天爱天天高潮| 日韩人妻在线播放| 婷婷综合网| 精品99网站| 天天干天天干天天操| 色热久| 五月婷婷综合在线| 五月婷久久草| 婷婷五月天AV激情| 婷婷成人AV| 亚洲综合激情五月久久| txt五月激情四射网综合俺也来了 五月天婷婷丁香人人操91 | 操日本色| 五月婷婷综合网在线播放| 五月久久丁香| www.狠狠操| 亚洲正能量欧美| 色播婷婷大香蕉| 91啪级电影| 丁香五月在线播放| 日韩成人精品中文字幕电影| 在线99热| 日韩啊啊啊| 99热免费| 成人综合AV| 伊人丁香五月| 日本色色色| 婷婷五月成人社区| 五月天激情综合网俺也去| 色射婷婷五月天| 丁香狠狠色婷婷久久无码视频| 五月婷婷色五月| 久9热插入| 婷婷五月天中文字幕.| 色五月婷婷亚洲| 五月婷婷性爱| 色综合激情| 《战争与艾拉》完整版| 操操碰| 色九月综合网| 亚洲人妻一区二区| 色色婷| 亚洲aV写真天天综合网久久| 成人午夜天| 99人妻碰碰碰久久久久禁片| 久久色亭亭五月天| 色五月天 丁香| 侠女刀之记忆电影在线看免费| 丁香五月天堂网| av操逼网| 六月香五月婷| 五月丁香婷婷色| 99热在线观看精品| 五月天激情四射网站| 182.t午在线观看| 婷婷五月天国产手机在线视频观看| 性欧美日本| 超碰成人AV| 色色丁香激情五月| 欧美色综合天天久久综合精品| 亚洲成人AV在线播放| 五月婷婷基地| www.婷婷五月天,com| 99re这里只有精品首页| 亚洲人人操| 天天噜日日噜综合无码| 99久久婷| 91久操| 九九视屏| 激情综合网五月丁香| 婷婷五月婷婷| 中文字幕五月久久婷| 天天插综合| 九九久久腿| 国产熟女日日骚五月丁香爱| 夜夜操加勒比| 严洲天天插| 欧美婷婷色| www.五月婷婷久久.com| 国产成人AV不卡| 都市激情久久| 免费无码毛片一区二区A片| 中文字幕黄色电影网址| 99ri精品在线| 欧美一级色| 大香蕉综合| 97人人操人人爽| 久久六月天| 狠狠色丁香五月婷巨| 久草热在线视频| 996热re视频精品视频| 中文字幕视频在线播放| 欧美噜噜噜草| 国产乱子轮XXX农村| 五月丁香成人日| 亚洲熟妇AV乱码在线观看| 五月丁香拍拍激情综合| 五月天丁香婷婷久久九| 丁香五月偷拍| 五月丁香六月婷| 丁香五月,开心五月,成人婷婷| 夜夜操天天干| 开心五月深爱五月婷| 人五月天婷婷喷水| 色婷婷综合网| site:xiongshengzz.com| 国产精品国产成人国产三级| 婷婷欧美激情| 亚洲1区| 99这里都是精品| 亚洲视频在线观看99| 丰满少妇猛烈A片免费看观看| 亚洲婷婷激情888精品久| 久在线综合69| 丁香婷婷六月天| 久久亚洲婷婷综合色五月| 亚洲宗合激情| AV在线大香蕉| 操嫩逼电影| 亚洲123区高清入口| 亚洲AV综合网| 日韩激情人伦人| 天堂久久大香蕉| www,天天干| 6080av| 婷婷色五月综合| 五月天激情视频| 激情综合网五月婷婷| 韩国真做片在线观看| 五月天婷婷无码视频| 99色视频在线观看最新| 国产99久久久国产精品免费看| 亚洲色激情| 色欲丁香| 超碰免费成人网站| 色墦五月丁香| 夜夜综合色| 99久re热视频精品98| 色五月婷婷7777| 精品激情| av色色国产| 五月丁香激情综合啪| 天天插操| 五月天激情国产综合婷婷婷| 大香蕉久热| 五月丁香婷中文字幕| 五月天婷婷社区久久综合| 精品亚洲国产成人A片在线鸭王| 牛牛色av| 激情五月丁香五月| 99干视频| 青青草成人网| 爱婷婷五月| 玖玖婷婷综合| 99久久五月婷婷| 五月激情在线| 91干| 天堂综合久久 | 五月天婷婷色小说| 人妻射精AV| 97五月综合网| 婷婷9月天| 99热首页| 狠狠爱婷婷爱| 五月丁香婷婷AV| 丁香五月亚洲无码| 激情婷婷五月女| 怡春院久操| 色婷婷亚洲综合网站| 97啪啪| 真实亲子乱子伦高清在线观看| 久久综合激情五月天| 欧美在线视频免费播放| 大香伊人婷婷影院| 人人操9| 性做久久久久久久免费看| 色情久久久| 99久久大片| 夜夜夜夜操| 欧美狠狠草| 综合久久综合| 黄色三级日本| 超碰免费人妻| 亚洲无码成人| 婷婷伊人网| 久久99网址| 99热 在线播放| 国av网| 伊人网啪啪| 久久综合26p| 丁香五月综合无码趴趴| 性爱五月婷| 性爱技巧五月| 五月婷婷黄色网址| 婷婷操无码| 久久久99久久| 欧美成人A片AAA片在线播放 | 激情婷婷色色| 99啪| 婷婷和五月天| 亚洲AV网站| 色综合综合色| 色婷婷黄色网络| 久久这里只有精品久久| 99在线er热| 久久丝丝热| 天天五月丁香五月| 免费的日逼视频| 婷五月天在线草| 亚洲综合五月天综合| 伊人五月天综合网| 夜夜人妻五月天| 五月婷婷成人网首页| 久久综合九九| 精品无码色欲AV| 南京搡BBBB搡BBBB| 天天五月丁香五月| 亚洲性图一区二区三区| 日韩精品色| 五月好婷婷| 天天搞天天爽| 久草视频一,二三四| 九月丁香亭亭| 久热99| 99干日日干| 99riAV成人在线视频| 五月天激情电影| 亚洲激情av| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 国产精品久久久久久久久久| 香蕉久久五月| 久9热在线视频| 天天射影| 天天狠狠色| 久久婷婷亚洲| 亚洲超碰在线| 日韩AV免费| 精品成人久久久久久久_一二三四视| 九九热只有这里精品| 五月丁香综合精品| 久超超碰| 青草青草视频2免费观看| 综合久久十| 亚洲欧美婷婷五月色综合| 丁香五月日啪| 五月天婷婷影院| 五月婷丁香| 玖玖热99| 久久精品国产色| AV性爱在线| 欧美性丁香色色五月天干干| 五月天婷婷激情六月久久| 97久久草草超级碰碰碰| 色五月婷婷DVD| 超碰三级片| 无码视频国内精品久久久| 成人午夜免费电影| 伊人婷婷五月| 丁香五月天激情综合| 久久99激情五月天| 亚洲 综合中文| 欧美VA在线| 激情开心五月天| 五月丁香综合久久夜夜| 深爱激情网婷婷| 91狠狠色色丁香婷婷综合久久| 日本天天操| 91婷婷搞| 综合色色色色色色| CHINESE熟女老女人HD视频| 97色啪| 久久成人综合五月天| 亚洲视频五区| 婷婷伊人五月天| 99热这里只有精品8| 九九热99久久99| 99这里的视频都是精品| 久热黄色| 五月天婷综合| 久久久久久五月天| 欧美顶级少妇做爰HD| 91黄址| 激情五月天激情小说| 91超级碰碰碰| 婷婷操逼| 超碰九九热| 激情婷婷99| 五月婷综合性中心| 激情99| 91丨九色丨丰满人妖| 亚洲第79页| AV片一区在线观看| 亚洲五月天,激情视频| 激情图片婷婷| 欧美丁香五月| 日韩aaa| www.第四色99| 狠狠操天天日| 极品少妇XXXX精品少妇偷拍| 婷婷色五月婷婷姐妹| 国产精品日日躁夜夜躁| 亚州综合色| 亚洲va欧洲va国产va不卡| 国产精自产拍久久久久久蜜 | 五月婷婷七月丁香| 五月激情六月丁香| 亚洲综合碰| 第一区久久网站| www.色五月| 色五月 激情婷婷 综合五月天| 久久只有这里精品免费| 99免费在线| 青青草原亚洲天堂| 丁香五月欧美激情| 成人视频一区| 99久久6| 亚洲国产精品成人免费一区久久久在线观看AAAA| 五月天激情小说| 99噜噜噜| 五月婷网| 色播五月丁香| 丁香五月自拍| 日韩无码人妻一区二区三区综合| 亚洲亚洲人成综合网络| sS丁香五月婷婷| 欧美这里只有精品| 婷婷五月天堂网| 久久久久9| 草草视频91| 五月丁香婷婷基地| 五月婷婷就去色| 性按摩玩人妻HD中文字幕| 激情黄色五月天| seuuu婷婷| 丁香五月五婷| 91视频久久久| 婷婷综合网| 丁香婷婷六月婷婷六月婷婷六月婷婷| 丁香婷婷综合激情五月色| 伊人狠狠狠综合| 色欲AVV| 日本狠狠网| 国产激情在线| 五月婷婷中文字幕| www 五月天 com| 狠狠色综合图片| 五月色丁香| 天天操加勒比| www.zbzhongsen.com| 开心五月丁香啪| 91人无码久久久久久| 五月婷婷天堂| 日韩人妻无码一区二区| 精品99*| 婷婷成人五月天成人文学| 久久久激情视频| 99∨VTV| 亚洲色激情| 九九热大香蕉| 国产真实乱对白精彩| 综合色色色色色色| 大香蕉精品视频| 99在线精品免费视频| 另类综合婷婷五月天欧美视频| 91精品久久久久、久五月天| 午夜免费试看| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | www.99热最新视频8| av一区免费看| 亚洲久热| 色色欧美色色| 99成人网一区| Av在线不卡一区| 天天天天天日| 狠狠插日日干撸| 欧洲不卡视频| 久久五月丁香综合| 99热精品无码| 天天干天天干天天干天天干天天干| 久久久网站| 狼人伊人天堂| 五月综合色| www.99视频| 久久6这里只有精品| 99re青青草| 1024日韩| 丁香五月区| 激情婷婷五月天在线观看| 东京热伊人| 激情婷婷护士激情| 玖玖婷婷五月天| 色播五月天激情| 五月开心六月婷婷在线播放网站| 日韩在线9| 99久久超级| 欧美色婷婷| 色五月婷婷五月天| 99热777| 激情深爱婷婷网| 色综合视频| 欧美成人在线观看| 亚洲激情五月天| 婷色五月天| 国产综合激情五月久久| AV在线资源| 狠爱婷色| 婷婷亚州综合| 久久精品A片777777| 夜夜干 夜夜操| 激情五月丁香婷婷| 欧美天天干天天草| 亚洲婷婷六月天| 91碰碰碰| 五月丁香成人网| 五月婷婷六月天| 中文字幕婷婷五月天在线观看| 国产日韩欧美性生活| caop在线视频| 日韩不卡DvD| 婷婷终合色图| 狠狠综合久久综合| 婷婷久久欧美| 国内自拍97在线| 97久久久久久久久久久| 99精品偷自拍| 色综合五月| 精品乱码久久久久| 久久久久9| 无码啪啪| 色吧五月| 在线中文av| 97色操| 人碰91| 亚洲在线成人| 狠狠狠狠青草| 日韩情色在线观看| 色色色色色色色色色色色色色五月天| 江苏少妇性BBB搡BBB爽爽爽| 久久精品国产精品| 色五月激情五月| 欧美丰满熟妇BBB久久久| 亚洲精品视频在线| 99精品偷自拍| 中字幕视频在线永久在线观看免费 | 日韩色五月| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 婷婷五月花.97| 日本操B视频| 天天插操| 大香蕉丁香| 亚洲视频1区| 激情久久丁香| 日韩成人电影在线播放| 操逼毛片国语对白| 五月天婷婷久久| 日本的α片xxxwww| 97深爱伊人综合| 丁香五月激情图片| 色婷婷婷婷| 日本狠狠色| 激情伊人| 五月综合色| 九八Av| 色域五月丁香| 丁香五月婷婷综合精品素人| 丁香花五月天激情| 狠狠艹狠狠艹| 亚洲另类久久| 色播五月| 激情五月丁香五月| 最近免费中文字幕大全高清大全1| 五月婷婷色欲| 激情婷婷五月综合| 激情久久久久久| 天天综合亚洲综合网天天αⅴ| 天天综合天天做天天综合| 狠狠色噜噜狠狠| 九九热精品99| 婷婷五月综合激情| 综合网精品99| 国产ava| 色99亚洲| 婷婷综合国产| 久青操| 五月天色播网| 婷婷综合五月天亚洲综合| 色五月婷婷影院| 亚洲1区| 超碰2021| 色五月综合网| 99热精品9| 思思热在线| 亚洲第一综合| 二区成人视频| 开心六月婷| 丁香久久五月天视频在线观看 | 丁香五月欧美激情| 三级大香蕉网| 日本婷久久| 色婷婷成人做爰A片免费看网站| 婷婷九九色| 久9精品视频| 亚洲99视频| 夜夜躁婷婷AV| 超碰在线caop| 婷婷丁香花五月天| 99.色| 欧美日韩123| 日日干四虎| 99热亚洲| 婷婷色基地| 五月丁香色婷婷| 欧美婷婷丁香五月| 思思视频精品| 激情 婷婷| 伊人高清无码| 婷婷五月天黄色| 激情五月四色| 97色色色| 婷婷五月色影视先锋| 亚洲五月综合色播| 99自拍视频在线| 久草婷妨| www.色窝| AV在线资源| 婷婷色影音天| 九九视频网| 丁香五月天社区| 婷婷影院A成人| 91人妻PORNY九色大屁股| 丁香六月婷婷综合欧美| 亚洲精品久久久久久久久久吃药| 欧美综合五月丁香六月婷| av性爱在线| 色五月激情五月| 成人av在线电影| 色色亚洲无码| 开心六月婷| 超级碰碰碰97免费| 综合另类激情| 激情五月天开心网丁香无码| 精品人人操| 开心五月婷婷综合在线精品素人| 五月激情婷婷色| 丁香六月婷| 日韩色五月| 狠狠色噜噜狠狠狠狠综合| 五月婷视频| 丁香婷婷综合五月天| 99精品久久| 99热在线精品观看| 日日干天天爽| 激情丁香五月| 天天干天天射综合网| 曰韩少妇内射免费播放| 丁香五月激情天AV无码| 婷婷视频网| www.五月丁香| 欧洲色| 婷婷激情六月中文| 五月天六月婷婷电影| 国外亚洲成AV人片在线观看 | 乱轮A片| 五月丁香花成人社区| 久热2025无码| 久久激情网| 无码四色色色| 丁香六月激情综合| 天堂AV三级| 五月丁香综合激情| 九九精品在线视频观看| 天天爽天天干| 久久永久网址| 激情综合网五月婷婷| 99国产er热视频| 狠狠干狠狠色| 激情五月综合视频| 中字幕视频在线永久在线观看免费| 久热这里只有精品性色AV| 五月婷婷香| 五六月婷婷| 97人人射| www.色婷婷。com| 九九九激情综合| 亚洲色欲AAAAAA| 色五月色开心开心五月| 五月丁香六月婷婷亚洲综合| 精品九九婷婷| 天天色视频| 中美月韩免费A片| 日韩成人无码人妻| 久久视这里只有精品| 天天曰夜夜爽| 婷婷在线视频| 亚洲AAA| 丁香色情五月综合激情| 婷婷爱五月天| 武则天精品久久| 五月天播播| 深爱激情网婷婷| 玖玖婷婷免费| 五月天开心网| 超碰在线看| 欧美经典片免费观看大全| 玖玖九九99| 超级碰碰视频无码| 九九热精品99| 激情综合4月| 国产精产国品一二三在观看| 亚洲综合激情五月| 狠狠色丁香婷婷久久综合| 日日操天天操| 日韩小视频在线99| 丁香九月综合在线| 五月婷婷六月丁香| 人人色AV| 五月香蕉婷婷| 五月天婷婷久久| 六月丁香五月激情婷婷| 综合九九久久| 97精品综合久久| 五月婷婷插一插| 六月婷婷香蕉| 五月丁香啪| 日日夜夜爽| 亚洲视频二区| 色欲五月丁香| 亚洲国产成人在线| 色婷婷欧美在线| 色九综合| 色婷婷六月| 国产成人99久久亚洲综合精品| 丁香五月婷婷影院| 青青草原亚洲天堂| 婷婷五月天免费| 丁香五月婷婷偷拍| 精品夜夜澡人妻无码AV| 开心激情播播五月天| 九月av| 九九色精品| 婷婷五月天另类网站| WWW.婷婷五月天.COM| 免费看欧美成人A片无码| 色婷婷狠狠| 91色色色| 97操男人的天堂| www久| 丁香 亚洲 久久| 国产成人VA| 美女黄频aⅴ视频| 久久婷综| 久久人妻视频| 日本va欧美va欧美va| 色婷婷黄色网络| 人妻中文字幕网| 色五月 五月婷婷| 少妇综合网| 热99re| site:901-07.com| 激情五月天婷婷丁香| 99热思思| 五月天堂色| 99热99热在线| 婷婷六月色丁香视频在线观看| 亚洲AV第二区国产精品| 果冻传媒A片一二三区| 亚洲精品成人| 国产色网站| 九九精品视频在线观看| 天天综合天天做天天综合| 97爱综合| 久久色六月| 日本三级韩三级99久久| 久久人人九| 日本欧美成人片AAAA| 亭亭色色五月天| 久青草影院| 五月天婷婷在线播放免费| 亚洲一色色色色色色色色| 五月天激情图片| 3p久久| WWW、日本色丁香、co m| 大地9中文在线观看免费高清| www.久久久.com| 九九热在线精品视频| 欧美综合激情五月天| 99 色色吧| 人妻性爱av网站| 特黄三级片| 久久九九玖玖| 超碰熟女农村在线69| 99国产精品白浆在线观看免费| 午夜免费试看| 色色色婷| 色五月婷婷亚洲最大| 欧美爆乳一区二区三区| WWW.五月天9999| 久99久精品| 九九综合图片网| ZpRSw| 久久婷婷五月天大香蕉| 欧美性做爰大片免费看办公室| 久久九九免费视频| 狠狠色噜噜狠狠狠狠综合| 丁香综合网| 五月天在线视频尤物视频在线看| 一个色的综合| AV电影在线播放| 超碰91人人操| 婷婷五月色影视先锋| 天天射色五月天| 99日在线观看视频| 丁香密臀AV激情网| 色六月婷婷| 超碰不卡在线| 欧美大香蕉视频| 久婷婷| 就要爱综合| 亚洲永久免费| 婷婷色女| 五月丁香六月色情网欧美| www。五月天。com| 五月天婷婷一起草| 热99视频精品| 99色看| 色七七色九九| 狠狠干综合网| 成人AV免费观看| 婷婷久热| 97在线观看| 色婷婷AV久久| 大香AV| 久久人人看| 久久在这里有精品| 五月天停停基地| 另类五月激情| 五月丁香色婷婷久久| www.久久| 四川BBB搡BBB爽爽视频| 五月丁香另类网| 亚洲色图在线视频| 丁香婷婷六月天| 久久婷婷五月国产色综合激情| 狠狠干2007| 日日肏夜夜干| 免费视频无码| 99热官网| 婷婷九月久久| 97碰碰视频| 激情另类综合| 五月综合六月婷婷| 色五月婷婷大香蕉| 五月开心激情| 色婷丁香91| 99久久视频| 五月婷婷开心深| 婷婷五月花西瓜| 在线观看亚洲AV| 五月花婷婷| 亚洲殴洲精品Av在线| 五月丁香综合激情网| 少妇人妻人伦A片| 大香焦A∨| 大香蕉五月天婷婷| 色婷婷丁香特级性爱视频| 色偷偷五月天| 99热精品在线| 91大操| 久热91| 色色丁香激情五月| 五月色婷婷影院| 国产精品18久久久| 色婷婷a v| 激情都市五月天| 99色色视频| 色婷视频| 男人的天堂97| 色婷婷五月天天天天天天天天天| 思思热在线视频精品| 九九激情综合| chaopeng在线人人| 丁香五月激情婷婷视频| 五月天成人在线播放丁香| 97人妻碰碰中文无码久热丝袜| 中文字幕1区2区。| 久操无码| 日韩精品二三区| 91色久| 大香蕉人人人| 婷婷成人综合五月| 婷婷午夜| 欧美激情久| 天天操天天操| 色综合久久99色| 国产精品男人AV不卡| 五月丁香日本一抹本| 激情综合五月开心狠狠| 超碰碰碰碰| 色婷久九| 五月婷婷在线综合| 97碰碰碰免费公开在线视频| 午夜丁香综合婷婷| 五月天婷婷视频30| 99免费在线视频| 日韩操逼大片| 五月婷婷片| 99精品偷自拍| 99碰碰| 日本高清久| www91色网站| 婷婷五月天少妇| 五月天婷婷色综合| 日韩成人电影av| 色久激情在线| 色噜噜狠狠色综无码久久合欧美| 五月婷婷亚洲| 五月婷婷综合丁香视频| 91碰碰视频在线观看| 六月亚洲婷婷6月中文字幕| 97精品在线| 色色综合激情| 天天摸夜夜夜| 丁香五月大香蕉在线99| 99re久热只有精品6在线直播.com| 亚洲aV写真天天综合网久久| 香蕉久久国产AV一区二区| 99色婷婷视频| 91婷婷色五月| 久久综合播放| 婷婷开心久久| 色播jjjj| 五月丁香六月欧美| 九九久久99| 99热最新精品| 色丁香五月| 99热99在线精品| 天天干狠狠| 久久99免费视频网站| 久婷婷久草| 99热9| 九九热这里都是精品6| 26UUU欧美| 久久九色| 人人爱操| 亚洲另类婷婷综合| 在线网黄| 亚洲婷婷91丁香| 五月天综合网| 精品网站:999WWW| 日韩操逼大片| 久久丁香五月| 色婷婷六月天| 久久婷婷综合网| 久草大| 日韩黄色电影| 在线观看亚洲视频影院| 久久婷婷五月综合成人d啪| 天天爱天天操| 久久久久久久久久91| 天堂久久精品| 丁香五月婷婷AV| 啪啪啪综合网| 综合亚洲色色| 亚洲激情久久| 千人斩操逼| 亚洲三A| 欧美十二区| 丁香五月婷婷手机| 久久人视频| 色五月天成人| 日韩99视频| 色五月六月| 色婷婷影院| 一本道在线电影| 97韩国久久电影院| 人人干人人操外国| 亚洲婷婷五月天综合| 五月六月丁香激情| 九九综合色综合| 激情丁香社区| 久久五月天合网| 无码 av电影| 日日夜夜综合| 久久99精品久久久久久三级| 色色色婷婷五月天| 国产精品99久久久久久猫咪| 亚洲婷婷免费| 亚洲五月丁| 亚洲综合视频八| 可以直接看的av| 超碰免费人妻| 成人综合网站| 丁香五月综合亚洲| 香蕉网久久| 99热最新网址| 亭亭社区五月天| 久久婷婷五月综合色丁香| 久久怕怕视频| 午夜电影网VA内射| 婷婷激情四射五月天| 五月综合久久| 天天干肏夜夜| 丁香久久九九99| 亚洲五月天婷婷| 五月成人网天天| 欧美三级黄色片久久| 噜噜噜久久| 九九视频这里只有精彩| 欧美丁香五月97色| www久| 久久这里有精品视频| 激情综合区| 亚洲乱码日产精品BD| 婷婷久久五月天| 五月情四婷婷| 久久宗合影| 亚洲丁香花色| 五月欧美丁香在线观看| 婷婷六月爽| 婷婷午夜综合|